基于变精度粗糙集改进K-means聚类算法

摘要

K-means聚类算法以易于实现和高效为特点已得到了广泛的应用,但其并不适用于不确定数据的应用环境.本文利用变精度粗糙集理论的容错特性,提出了一种基于变精度粗糙集理论的聚类算法.该算法从数据元素与簇中心的距离测度出发,通过定义新的数据元素与簇归属关系将每个簇划分为POS域、BND域和NEG域,在容错参数作用下构成的新的粗糙中心上进行聚类.仿真实验结果表明:该方法能在边界域不确定时具有更高的准确率.